kitti数据集的可视化（一）

数据集的介绍

image文件：8位png格式

velodyne文件 ：激光雷达的测量数据，点云以二进制形式存储，后缀为.bin。

点云数据以浮点二进制文件格式存储，每行包含8个数据，每个数据由四位16进制数表示（浮点数），每个数据通过空格隔开，一个点云数据由四个浮点数构成，分别表示x, y, z, r（强度，反射）

一个字节是多少位？ Answer：一个字节为8位。

carlib文件：相机、雷达等的校正数据

label文件：kitti中object的标签和评估数据

每一行代表一个object，每一行都有16列分别表示不同的含义

第一列代表物体的类别。第2列（浮点数）：数字表示指离开图像边界对象的程度。 第3列（整数）：代表物体是否被遮挡。 第4列（弧度数）：物体的观察角度（alpha） 第5~8列（浮点数）：物体的2D边界框大小（bbox） 四个数分别是xmin、ymin、xmax、ymax（单位：pixel），表示2维边界框的左上角和右下角的坐标。 第9~11列（浮点数）：3D物体的尺寸（dimensions）分别是高、宽、长（单位：米） 第12-14列（整数）：3D物体的位置（location）分别是x、y、z（单位：米），特别注意的是，这里的xyz是在相机坐标系下3D物体的中心点位置。 第15列（弧度数）：3D物体的空间方向（rotation_y）取值范围为：-pi ~ pi（单位：rad），它表示，在照相机坐标系下，物体的全局方向角（物体前进方向与相机坐标系x轴的夹角），如图所示。第16列（整数）：检测的置信度（score）

点云数据的可视化

import numpy as np # 导入NumPy库用于数据处理
import mayavi.mlab # 导入Mayavi库用于三维可视化
import os # 导入os模块用于文件路径操作

# 000010.bin这里需要填写文件的位置
# bin_file = '../data/object/training/velodyne/000000.bin'
# assert os.path.exists(bin_file), "{} is not exists".format(bin_file)
kitti_file = r'/home/miaomiao/kitti_object_vis-master/data/object/training/velodyne/000001.bin'
# 从文件中读取点云数据，每个点包含4个浮点数（X、Y、Z坐标和反射强度），存储为NumPy数组
pointcloud = np.fromfile(file=kitti_file, dtype=np.float32, count=-1).reshape([-1, 4])
# pointcloud = np.fromfile(str("000010.bin"), dtype=np.float32, count=-1).reshape([-1, 4])

# 打印点云数据的形状，结果是 (N, 4)
print(pointcloud.shape) 
x = pointcloud[:, 0] # x position of point
y = pointcloud[:, 1] # y position of point
z = pointcloud[:, 2] # z position of point
r = pointcloud[:, 3] # reflectance value of point
d = np.sqrt(x ** 2 + y ** 2) # 点到传感器的距离（二维平面距离）
# sqrt 是 "square root" 的缩写，即平方根。

vals = 'height'
if vals == "height":
col = z
else:
col = d

# 创建一个Mayavi场景，并设置背景颜色和大小
fig = mayavi.mlab.figure(bgcolor=(0, 0, 0), size=(640, 500))
# mayavi.mlab.figure() 函数用于创建一个新的 Figure 对象，这个对象是 Mayavi 中用于显示三维图形的容器
# bgcolor=(0, 0, 0)：指定了 Figure 的背景颜色为黑色。
# 这里使用 RGB 色彩空间，(0, 0, 0) 分别表示红、绿、蓝通道的颜色强度，(0, 0, 0) 表示全黑。
# size=(640, 500)：指定了 Figure 的大小为宽度 640 像素，高度 500 像素。

# 使用 Mayavi 库中的 points3d 函数在三维空间中绘制点云数据。
mayavi.mlab.points3d(x, y, z,
col, # 用于颜色的数组，它决定了每个点的颜色。在这段代码中，根据之前的逻辑，col 的值应该是点的 Z 坐标或者点到传感器的距离。
mode="point", # 绘制模式，这里是点模式
colormap='spectral', # 'bone', 'copper', 'gnuplot'
# color=(0, 1, 0), # Used a fixed (r,g,b) instead
figure=fig,
)
# 'spectral'，这是一种常用的颜色映射
# 会根据数据值的大小从紫色渐变到红色，可以帮助显示出数据的分布情况和变化趋势。
# 数据值指的是 col 参数所表示的值，它决定了点的颜色。

# 创建一条线段用于辅助绘制，这里是一个平行于Y轴的线段
x = np.linspace(5, 5, 50)
y = np.linspace(0, 0, 50)
z = np.linspace(0, 5, 50)
mayavi.mlab.plot3d(x, y, z, color=(1, 0, 1)) # 调用 Mayavi 库的 plot3d 函数，将创建的线段绘制在三维空间中。
mayavi.mlab.show()